一种基于asm的车道线检测方法
【技术领域】：
[0001] 本发明设及一种车道线分割、检测的方法，具体设及一种基于ASM (Active化ape Models,主动形状模型）的车道线检测方法。
【背景技术】：
[0002] 车道线检测与跟踪是高速公路汽车辅助安全驾驶系统中重要任务之一，是实现车 道保持辅助、车道偏离预警、碰撞警告的前提和基础。
[0003]目前，基于图像处理的车道线检测技术可分为基于特征和基于模型两大类。前者 主要利用道路的纹理、边缘、颜色等特征来检测车道线。该方法易受光照条件、车道曲率、 遮挡、积水、路面破损的影响。后者则是通过先建立道路的参数模型，再进行图像分析确定 模型参数，最后得到完整的车道线。常用的车道线检测算法有；形态学滤波、边缘检测法、 化U曲变换、Kalman预测等。其中，形态学滤波方法常见的是利用"水阔"变换理论，根据图 像中灰度的梯度值确定车道线位置；边缘检测方法主要是通过图像灰度阔值获得潜在的车 道线边缘点，再通过对边缘点的组合和处理使其满足某种车道线模型，从而获得车道线信 息出0U曲是一种依据全局统计信息的直线提取方法一一从图像空间点向参数空间对应位 置投票累加并捜索参数空间峰值来获得直线方程，因此，使其在许多车道线检测系统中得 到广泛的应用；kalman预测主要用于车道线跟踪，首先通过建立的动态方程和观测方程确 定左、右车道线的感兴趣区域，再利用扫描线法捜索车道线边界点，W此达到跟踪的目的。
[0004] 然而，上述方法都存在一定的局限性，无法快速、准确地实现车道线的识别与跟 踪，不能满足高速公路上汽车辅助安全驾驶系统的实时性。
【发明内容】
：
[0005] 本发明的目的在于针对现有技术的不足，提供了一种基于ASM的车道线检测方 法。
[0006] 为达到上述目的，本发明采取如下的技术方案予W实现：
[0007] -种基于ASM的车道线检测方法，具体按下述步骤进行：
[0008] 步骤一，对采集的一幅车辆前方图像划分感兴趣区域；
[0009] 步骤二，图像预处理；对划分感兴趣区域后的图像灰度化，再采用3X3的滑动窗 口进行中值滤波，保留细节，去除干扰噪声；
[0010] 步骤=，在预处理后的图像的两条车道线上标定特征点，建立一个由特征点分布 模型组成的训练集；
[0011] 步骤四，对步骤=建立的训练集进行归一化处理，获得一个对齐形状；
[0012] 步骤五，通过主成分分析运算捕捉对齐形状的统计信息，建立ASM模型；
[0013] 步骤六，实时采集车辆前方待检测图像，并根据步骤一和步骤二的方法对实时采 集的车辆前方待检测图像划分感兴趣区域和图像预处理，最后利用建立的ASM模型在预处 理后的实时采集的车辆前方待检测图像中捜索与ASM模型匹配信息，完成车道线检测。
[0014] 本发明进一步的改进在于，步骤一中，采用隔行水平均值投影的感兴趣区域划分 方法，利用亮度特征动态寻找图像中路面与背景的分界线。
[0015] 本发明进一步的改进在于，步骤四中，利用普鲁克分析方法对训练集进行归一化 处理。
[0016] 本发明进一步的改进在于，步骤六中，在预处理后的实时采集的车辆前方待检测 图像中，定位和匹配ASM模型中车道线轮廓，建立局部灰度模型来捜索特征点中的最佳匹 配位置，再调整参数模型，W实现对预处理后的实时采集的车辆前方待检测图像车道线的 检测。
[0017] 相对于现有技术，本发明具有如下的有益效果：
[001引1、在图像预处理中采用中值滤波，可W很好的滤除孤立点噪声和洞孔噪声，保持 图像的有用信息。
[0019] 2、采取模板匹配的方法，可W去除由于相机抖动或路面不平等随机因素引起的影 响，提高车道线检测的快速性和鲁椿性。另外，采取了归一化的处理功能，道路定位较为准 确，可快速、准确地实现车道线的检测和跟踪。
[0020] 3、进一步的，采用隔行水平均值投影的感兴趣区域划分方法，有效解决车道线识 别中计算量大、背景干扰等问题，提高了车道线检测的快速性和有效性。
【附图说明】：
[0021] 图1为本发明的方法流程图；
[0022] 图2为ASM算法目标匹配流程图；
[0023] 图3 (a)和图3化）为所选取的部分样本标记图；
[0024] 图4为车道线检测结果图。
【具体实施方式】：
[0025]W下结合附图和实施例对本发明作进一步详细说明。
[0026] 如图1所示，本发明一种基于ASM的车道线检测方法，概括描述如下：
[0027] 首先通过手工方法在一组图像上标定特征点，从而建立一个特征点分布模型 (PointDistributionModel,PDM)的训练集；然后对训练集进行归一化处理即对齐处理， 常用的对齐方法是普鲁克分析（Procrustesanalysis,PA)，通过对齐训练集获取一个真正 的形状描述；再通过主成分分析（PrincipalComponentAnalysis，PCA)运算捕捉已对齐形 状的统计信息，从而建立ASM模型；最后利用建立的ASM模型在新的图像中捜索与模型匹配 信息。本发明能够灵活适应形状的变化，能在混乱和遮挡的环境中保持它所代表的目标的 特异性，具有较好的鲁椿性，同时，该方法通过训练得到对象的统计知识，具有更高的定位 精度。
[002引实施例：
[0029] 如图1和2所示，本发明一种基于ASM的车道线检测方法，具体按下述步骤进行：
[0030] 1、样本标定
[0031] 样本标定是对样本集中的各个样本进行特征点的标定。特征点集要求尽可能准确 的描述目标的形状。特征点选取的依据为：目标轮廓上具有特殊应用意义的点或具备某些 几何特性的点，如线段连接点、角度和曲率的极值点。
[0032] 标定工作由人工完成并且每个形状上选择的特征点数目、顺序W及对应的位置必 须相同。设对每个样本Xi取n个特征点，则该样本可表示为一个化维的坐标向量：
[003引Xi=(XX巧，...X化，7山y口，. . .yjT (1)
[0034] 其中，（Xik，yik)为样本X冲第k个特征点的坐标。
[00巧]若样本集Q由N个形状组成，则表示为：
[0036] Q=化，X2, . . .Xn) 似
[0037] 2、归一化处